Big Data In Healthcare: Hvordan Hadoop revolutionerer Healthcare Analytics

Hadoop & Big Data-teknologier revolutionerer sundhedsanalyser. Denne big data i sundhedsbloggen diskuterer, hvordan big data-analyse kan opdrage medicinsk behandling.

”80% af al sundhedsinformation er ustrukturerede data, som er så store og komplekse, at der er et stort behov for et specialiseret værktøj og metoder til at håndtere det og få indsigt fra dataene.”

Sundhedsdata er blandt de mest komplekse og omfangsrige data, der produceres i verden i dag. Liggende blandt denne enorme bunke af sundhedsdata er dyrebar indsigt, der direkte kan påvirke og forbedre kvaliteten af ​​menneskeliv. Mens vi manglede midler til at analysere disse data indtil så sent som for et årti siden, har fremskridt inden for Big Data Analytics gjort Healthcare Analytics til en tydelig realitet i dag!



Lad os i dette blogindlæg undersøge de problemer, som Big Data-analyser kan løse i sundhedsområdet. Lad os også se på et par casestudier af anvendelsen af ​​Big Data Analytics i sundhedsvæsenet og de anvendte værktøjer.



Hvorfor Big Data Analytics i sundhedsvæsenet?

De største fordele ved at anvende Big Data-analyse i sundhedsvæsenet er:

hvad er abstraktion i java med eksempel
  • Tidlig opdagelse og kontrol af epidemier
  • Nøjagtig påvisning og helbredelse af sygdomme, der har lav behandlingssucces
  • Opdagelse af nye behandlinger baseret på genomik og patientprofilering
  • Forebyggelse af forsikring og mediekravssvindel
  • Forøgelse af sundhedsinstitutioners rentabilitet

Fremkomsten af ​​bærbare enheder har gjort indsamling af sundhedsdata lettere end nogensinde før. Fra sporing af fitnessdata til geriatrisk pleje og intensiv pleje har bærbar teknologi revolutioneret dataindsamlingen inden for sundhedsvæsenet. Faktisk forudsiger rapporten Global Connected Health Market 2016-2020, at det globale forbundne sundhedsmarked vil vokse med en CAGR på 26,54% i perioden 2016-2020!



De således indsamlede data kan gemmes ved hjælp af Hadoop og analyseres ved hjælp af MapReduce og Spark.

Store data i sundhedsvæsenet - brugssag

En af de mest kendte implementeringer af Big Data i Healthcare i nyere tid er IBM Watson, en stærk kognitiv computerplatform til sundhedsanalyse. Det er udstyret med naturlige sproglige egenskaber, hypotesegenerering og evidensbaseret læring til støtte for medicinske fagfolk, når de træffer beslutninger.

Sådan kan en læge bruge Watson til at hjælpe med at diagnosticere og behandle patienter:



IBM-Watson-big-data-in-healthcare

Trin 1 : Læge stiller en forespørgsel, der beskriver patientens symptomer og relaterede faktorer.

Trin 2: Watson analyserer inputene ved at udvinde tilgængelige patientdata for relevante faktorer såsom familiens sundhedshistorie, medicin, testrapporter osv. Og overvejer også lægebemærkninger, kliniske undersøgelser, forskningsartikler og andre sådanne data.

Trin 3: Watson udstiller en liste over diagnoser med tilsvarende scores, der indikerer konfidensniveauet for hver hypotese. Dette hjælper lægen - og patienten - med at træffe mere informerede og nøjagtige beslutninger.

Evidensbaseret diagnose - Implementering:

En af de velkendte applikationer fra IBM Watson har været ' Watson for onkologi 'Applikation, som IBM udviklede i partnerskab med New Yorks Memorial Sloan Kettering Cancer Center (MSK).

  • Forudsætning: Den grundlæggende forudsætning, som applikationen er bygget på, er dette - MSK onkologer er kendte eksperter i visse typer kræftformer. Hvis IBM Watson kan trænes i at påtage sig deres ekspertise, bliver viden tilgængelig for enhver læge fra ethvert hjørne af verden.
  • Program: Watson for Oncology-appen er en one-stop-applikation til elite kræftpleje, der kan køre på en iPad eller andre tablets.
  • Ansøgning: Lad os tage et hypotetisk tilfælde af en patient i et fjernt hjørne af Asien, der lider af en sjælden form for lungekræft, der er genetisk forbundet. Lægerne på hospitalet, hvor patienten bliver behandlet, har muligvis ikke den nødvendige ekspertise til at behandle denne specifikke stamme af lungekræft, men Watson for Oncology gør med hjælp fra MSK Cancer Center-data.

Betydningen af ​​denne app er vidtrækkende, da enhver læge fra hvor som helst i verden kan få adgang til appen ved blot at få en licens til programmet og give deres patienter adgang til kræftbehandling i verdensklasse. Sådan er magien ved sundhedsanalyser, der er født ud af adgang til Big Data i sundhedsvæsenet!

Du kan finde flere sådanne brugssager knyttet til forudsigende analyse og evidensbaserede behandlinger her .

Hadoop's rolle i Healthcare Analytics

Hadoop er den underliggende teknologi, der bruges i mange sundhedsanalyseplatforme. Dette skyldes, at Apache Hadoop er den rigtige pasform til at håndtere de enorme og komplekse sundhedsdata og effektivt håndtere de udfordringer, der plager sundhedsindustrien. Et par argumenter for at bruge Hadoop til at arbejde med Big Data i Healthcare er:

hvordan man vender et tal
  1. Hadoop gør datalagring billigere og mere tilgængelig:

I øjeblikket er 80% af alle sundhedsoplysninger ustrukturerede data. Dette inkluderer blandt andet lægernes notater, medicinske rapporter, laboratorieresultater, røntgen, MR-billeder, vitaler og økonomiske data. Hadoop giver læger og forskere mulighed for at finde indsigt fra datasæt, der tidligere var umulige at håndtere.

  1. Opbevaringskapacitet og håndtering:

De fleste sundhedsorganisationer kan ikke gemme data mere end tre dage pr. Patient, hvilket begrænser muligheden for analyse af de producerede data. Hadoop kan gemme og håndtere enorme mængder data, hvilket gør det til den ideelle kandidat til jobbet.

  1. Hadoop kan fungere som dataorganisator og også som et analyseværktøj:

Hadoop hjælper forskere med at finde sammenhænge i datasæt med mange variabler, en vanskelig opgave for mennesker. Derfor er det den rigtige ramme at arbejde med sundhedsdata.

Her er en demo til anvendelse af Big Data Analytics i sundhedsvæsenet. Denne MapReduce-demo hjælper dig med at skrive et program, der kan eliminere de duplikerede CT-scanningsbilleder fra en database med 100 millioner billeder. Den trinvise procedure, fremgangsmåde og løsning kan findes i denne videovejledning.

hvad er anonym klasse i java

Dette er kun et af de mange tilfælde, hvor Big Data-analyse har hjulpet med at løse store sundhedsmæssige problemer og bidraget til effektiv påvisning og forebyggelse af sygdomme. Hadoop er yderst relevant i analysen af ​​enorme datasæt til forebyggelse og rettidig behandling af kroniske sygdomme. Der er en enorm uudnyttet mulighed i brugen af ​​Big Data Analytics i sundhedsvæsenet, og tiden er inde for Hadoop-fagfolk til at tage op og tage udfordringen op!

Edureka har et live og instruktørledet kursus om Big Data & Hadoop, der er co-oprettet af branchepraktikere.

Har du et spørgsmål til os? Nævn det i kommentarfeltet, så vender vi tilbage til dig.

Relaterede indlæg:

10 hotteste tekniske færdigheder at mestre i 2016